一种用于多中介因果推断的贝叶斯非参数方法
统计方法学
2022-08-30 v1 应用统计
其他统计学
摘要
对同期观测的多中介进行中介分析是因果推断的重要领域。近期多中介方法常基于参数模型，因而可能受模型误设影响。并且，现有文献多只允许估计联合中介效应，或将联合中介效应估计为各中介效应的和，这常不是合理假设。本文提出一种克服上述两缺陷的方法。我们的方法基于新颖的贝叶斯非参数(BNP)途径，其中观测数据（结局、中介、处理与混杂）的联合分布使用三级 enriched Dirichlet process mixture 灵活建模：第一级刻画给定中介、处理与混杂下结局的条件分布，第二级对应给定处理与混杂下各中介的条件分布，第三级对应处理与混杂的分布。我们在三个不可检验假设下使用标准化(g-computation)计算因果中介效应，这些假设允许识别个体与联合中介效应。所提方法的效能通过模拟展示。我们将所提方法应用于分析一项呼吸机相关肺炎(VAP)共感染患者研究的数据，其中 Pseudomonas 丰度对 VAP 感染的影响被怀疑通过抗生素介导。
引用
@article{arxiv.2208.13382,
title = {A Bayesian nonparametric approach for causal inference with multiple mediators},
author = {Samrat Roy and Michael J. Daniels and Brendan J. Kelly and Jason Roy},
journal= {arXiv preprint arXiv:2208.13382},
year = {2022}
}